3.4.3 Melakukan Rotasi Faktor
Output terpenting dalam analisis faktor adalah Matriks Faktor atau yang disebut juga dengan Komponen Matriks. Matriks faktor memuat koefsien yang
dipergunakan untuk mengekspresikan variabel yang dibakukan dinyatakan dalam faktor. Koefsien ini merupakan factor loading, mewakili koefsien korelasi antara
faktor dengan variabel. Koefsien dengan nilai mutlak absolute yang besar menunjukkan bahwa faktor dan variabel sangat terkait. Koefsien dari matriks
faktor dapat dipergunakan untuk menginterpretasi faktor. Matriks faktor atau matriks komponen dapat dilihat sebagai berikut :
Tabel 3.15 Matriks Faktor Sebelum Dirotasi
Component Matrix
Component 1
2 3
4 Metodologi_penelitian
.234 .128
.827 .311
Kesehatan .486
-.127 .230
-.697 Penurunan_motivasi
.583 .026
-.221 -.146
Prosedur_pengajuan_proposal .583
-.389 .150
.429 Keluarga
.348 -.622
-.389 .228
Proses_bimbingan .498
.595 -.134
-.097 Biaya_pembuatan_skripsi
.487 .577
-.274 .374
Kuliah_sambil_bekerja .712
-.164 .100
-.158 Extraction Method: Principal Component Analysis.
Walaupun matriks faktor atau matriks komponen awal sebelum dirotasi menunjukkan hubungan antara faktor komponen dengan variabel secara
individu, akan tetapi masih sulit diambil kesimpulannya tentang banyaknya faktor yang dapat diekstraksi. Hal ini disebabkan karena faktor komponen berkorelasi
dengan banyak variabel lainnya atau sebaliknya variabel tertentu masih berkorelasi dengan banyak faktor. Sehingga dalam keadaan ini terkadang
membuat peneliti kesulitan dalam penentuan suatu variabel kedalam suatu faktor.
Misalkan matriks faktor sebelum dirotasi diatas dapat dilihat bahwa F1 memiliki korelasi kuat dengan 5 variabel, yakni X2,X3,X4,X5 dan X8 sedangkan F2
memiliki korelasi kuat dengan X6 dan X7 dan F3 memiliki korelasi kuat dengan X1.
Untuk dapat dilakukan proses rotasi faktor yang terbentuk agar memperjelas posisi sebuah variabel, akankah dimasukkan pada faktor yang satu
ataukah ke faktor lainnya. Beberapa metode rotasi yang bisa digunakan adalah orthogonal rotation, varimax rotation, dan oblique rotation
.
Proses rotasi terhadap faktor pada penelitian ini menngunakan metode varimax rotation
, yaitu rotasi orthogonal dengan meminimumkan banyaknya variabel yang memiliki loading tinggi pada sebuah faktor, sehingga lebih mudah
mengiterpretasi faktor.
Tabel 3.16 Matriks Faktor setelah dirotasi
Rotated Component Matrix
a
Component 1
2 3
4 Metodologi_penelitian
.026 -.009
.050 .921
Kesehatan -.051
-.055 .885
.029 Penurunan_motivasi
.385 .269
.417 -.127
Prosedur_pengajuan_proposal .093
.733 .116
.372 Keluarga
-.078 .795
.053 -.263
Proses_bimbingan .734
-.149 .261
.020 Biaya_pembuatan_skripsi
.866 .119
-.127 .068
Kuliah_sambil_bekerja .213
.379 .596
.160 Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
Tujuan dilakukan rotasi adalah untuk memperlihatkan dirtribusi variabel yang lebih jelas dan nyata. Dapat dilihat perbedaan antara matriks faktor sebelum
dirotasi dengan matriks faktor setelah dirotasi.
3.4.4 Interpretasi Faktor
Setelah dirotasi dilakukan langkah selanjutnya adalah interpretasi faktor. Interpretasi faktor dipermudah dengan mengidentifikasi variabel yang loadingnya
besar pada faktor yang sama. Faktor tersebut kemudian diinterprtasi menurut variabel-variabel yang memiliki loading tinggi dengan faktor tersebut. Ataupun
penentuan variabel yang dimasukkan ke dalam faktor dengan cara melihat factor loading
yang terbesar. a. Variabel metodologi penelitian: Korelasi antara variabel dengan faktor 3
sebelum dirotasi adalah 0,827; dengan rotasi korelasi menjadi 0,921 dengan faktor 4. Jadi variabel ini masuk faktor 4.
b. Variabel kesehatan: Korelasi antara variabel dengan faktor 1 sebelum dirotasi adalah 0,486; dengan rotasi korelasi menjadi 0,885 dengan faktor 3. Jadi
variabel ini masuk faktor 3. c. Variabel penurunan motivasi: Korelasi antara variabel dengan faktor 1
sebelum dirotasi adalah 0,583; dengan rotasi korelasi menjadi 0,417 dengan faktor 3. Jadi variabel ini masuk faktor 1.
d. Variabel prosedur pengajuan proposal: Korelasi antara variabel dengan faktor 1 sebelum dirotasi adalah 0,583; dengan rotasi korelasi menjadi 0,733 dengan
faktor 2. Jadi variabel ini masuk faktor 2. e. Variabel keluarga: Korelasi antara variabel dengan faktor 1 sebelum dirotasi
adalah 0,348; dengan rotasi korelasi menjadi 0,795 dengan faktor 2. Jadi variabel ini masuk faktor 2.
f. Variabel proses bimbingan: Korelasi antara variabel dengan faktor 2 sebelum
dirotasi adalah 0,595; dengan rotasi korelasi menjadi 0,734 dengan faktor 1. Jadi variabel ini masuk faktor 1.
g. Variabel biaya pembuatan skripsi: Korelasi antara variabel dengan faktor 2 sebelum dirotasi adalah 0,577; dengan rotasi korelasi menjadi 0,866 dengan
faktor 1. Jadi variabel ini masuk faktor 1. h. Variabel kuliah sambil bekerja: Korelasi antara variabel dengan faktor 1
sebelum dirotasi adalah 0,712; dengan rotasi korelasi menjadi 0,596 dengan faktor 3. Jadi variabel ini masuk faktor 1.
Kategori